Inteligencia artificial

Principals editors científics als canals de Telegram: una aproximació a la detecció de canals falsos amb ChatGPT i DeepSeek

per

Objectius: identificar l’existència de canals falsos a Telegram que suplanten les principals editorials
acadèmiques, avaluar l’eficàcia dels models grans del llenguatge (LLM), ChatGPT i DeepSeek, per a la
seva detecció, analitzar les fonts web utilitzades per aquests models i determinar la possible existència
de biaixos geogràfics en aquestes fonts.
Metodologia: Selecció de 13 grans editorials acadèmiques a partir del portal SCImago: Elsevier,
Springer, Wiley-Blackwell, Routledge, OUP, de Gruyter, Brill, CUP, IEEE, Hindawi, World Scientific,
Nature i Thieme. Identificació de 37 canals de Telegram associables i aplicació d’un prompt estandarditzat
a ChatGPT i DeepSeek per avaluar l’autenticitat de cada canal, activant la funció de cerca
web. Anàlisi comparativa de les respostes dels models i verificació mitjançant classificació manual.
Resultats: Es va identificar que el 78,38% dels canals analitzats eren fraudulents. Ambdós models van
mostrar alta efectivitat en la detecció de canals falsos, però limitacions significatives en la validació de
canals reals. Es van observar diferències metodològiques: DeepSeek va adoptar un criteri contextual,
mentre que ChatGPT va requerir verificació explícita. L’anàlisi de fonts web va revelar que DeepSeek
va prioritzar continguts de ciberseguretat, mentre que ChatGPT va utilitzar predominantment fonts
institucionals i xarxes socials, amb clar predomini de fonts occidentals en ambdós casos.

Desxifrar sigles mèdiques en català amb ChatGPT, Gemini i Copilot: una anàlisi comparativa

per

Objectius. Aquest estudi té com a objectiu avaluar la capacitat de tres xatbots d’intel·ligència artificial (IA) — ChatGPT, Gemini i Copilot— per desxifrar sigles mèdiques polisèmiques en català, tot analitzant la seva eficàcia en funció del context. L’objectiu és determinar fins a quin punt aquestes eines poden ajudar a desambiguar les sigles per millorar la comprensió de textos mèdics per a professionals sanitaris, de comunicació i pacients.
Metodologia. Es van seleccionar 60 sigles mèdiques amb alta polisèmia. A cada sigla se li van assignar quatre contextos diferents: sense context, context mèdic genèric, una frase real i un paràgraf breu. Es va mesurar la proporció d’encerts de cada IA en cada context, mitjançant un càlcul de potència estadística. Els resultats es van analitzar utilitzant proves no paramètriques, amb l’objectiu de comparar la precisió entre les tres IA.
Resultats. Els resultats obtinguts mostren una gran variabilitat en la capacitat dels xatbots per reconèixer i interpretar les sigles mèdiques en català en funció del context. Els sistemes presenten millor eficiència a mesura que augmenta la informació contextual, especialment quan les sigles apareixen en frases o paràgrafs reals. ChatGPT obté els millors resultats, amb una desambiguació més precisa en contextos naturals. Aquest estudi demostra el potencial de les eines d›intel·ligència artificial per millorar la comprensió de les sigles mèdiques per a pacients i professionals, una necessitat clau en un llenguatge mèdic català encara poc desenvolupat.